[发明专利]一种电台推荐方法及系统

权利要求书

1.一种电台推荐方法，其特征在于，包括：

根据用户的听歌行为和听歌来源得到用户播放歌曲的偏好得分,进而根据所述偏好得分形成用户听歌偏好矩阵；其中，所述听歌行为包括主动听歌行为和被动听歌行为；所述主动听歌行为包括：红心、取消红心、下载、收藏、搜索、购买、本地上传中的至少一种；所述被动听歌行为包括：播放、完整收听中的至少一种；所述听歌偏好矩阵为[Mx N]，Mx表示M个听歌用户，N表示每个用户的听歌记录里保留的前N首歌曲，M、N为大于等于1的自然数；

根据所述主动听歌行为和所述用户播放歌曲的偏好得分从用户听歌偏好矩阵选择歌曲生成播放列表，并利用深度学习工具把对歌曲文本内容的处理简化为K维向量空间中的向量运算，以及计算所述播放列表中每一首歌曲与所述播放列表中其它歌曲的相似度，并依据所述播放列表中每一首歌曲与所述播放列表中其他歌曲的相似度形成用户听歌相似矩阵；其中，所述计算所述播放列表中每一首歌曲与所述播放列表中其他歌曲的相似度包括：其中，为播放列表中每一首歌曲的向量，为播放列表中其它歌曲的向量；

根据所述用户听歌偏好矩阵和所述用户听歌相似矩阵选择歌曲，并对所述选择歌曲中每一首歌曲相似得分进行计算，将相似得分高的歌曲作为最终推荐的歌曲；

根据所述最终推荐的歌曲构造歌曲电台，将所述电台推荐给用户。

2.根据权利要求1所述的方法，其特征在于，根据用户的听歌行为和听歌来源得到用户播放歌曲的偏好得分,进而根据所述偏好得分形成用户听歌偏好矩阵的步骤之后还包括：

根据歌曲时间衰减、歌曲热度降权更新用户听歌记录歌曲的偏好得分，进而更新所述用户听歌偏好矩阵。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：根据用户行为构建任务事件模型，并对任务事件模型的标签进行权重计算，进而将用户画像信息标签化；其中，任务事件模型的标签包括时间标签、地点标签、事件标签和用户标签。

4.根据权利要求1或3所述的方法，其特征在于，所述方法还包括的步骤为：

根据用户画像信息从最终推荐歌曲中选择与所述用户画像信息最匹配的歌曲构建歌曲电台，并将电台推荐给用户。

5.根据权利要求4所述的方法，其特征在于，所述主动听歌行为包括：关注歌曲、下载歌曲、收藏歌曲、搜索歌曲、购买歌曲和本地上传歌曲中的一种或多种行为；

所述被动听歌行为包括：播放、完整收听中的一种或多种行为。

6.一种电台推荐系统，其特征在于，包括：第一构造单元(10)、第二构造单元(20)、选择单元(30)和第三构造单元(40)；

所述第一构造单元(10)用于根据用户的听歌行为和听歌来源得到用户播放歌曲的偏好得分,进而根据所述偏好得分形成用户听歌偏好矩阵；其中，所述听歌行为包括主动听歌行为和被动听歌行为；所述主动听歌行为包括：红心、取消红心、下载、收藏、搜索、购买、本地上传中的至少一种；所述被动听歌行为包括：播放、完整收听中的至少一种；所述听歌偏好矩阵为[Mx N]，Mx表示M个听歌用户，N表示每个用户的听歌记录里保留的前N首歌曲，M、N为大于等于1的自然数；

所述第二构造单元(20)用于根据所述主动听歌行为和所述用户播放歌曲的偏好得分从用户听歌偏好矩阵选择歌曲生成播放列表，并利用深度学习工具把对歌曲文本内容的处理简化为K维向量空间中的向量运算，以及计算所述播放列表中每一首歌曲与所述播放列表中其它歌曲的相似度，并依据所述播放列表中每一首歌曲与所述播放列表中其他歌曲的相似度形成用户听歌相似矩阵；其中，所述计算所述播放列表中每一首歌曲与所述播放列表中其他歌曲的相似度包括：其中，为播放列表中每一首歌曲的向量，为播放列表中其它歌曲的向量；

所述选择单元(30)用于根据所述用户听歌偏好矩阵和所述用户听歌相似矩阵选择歌曲，并对所述选择歌曲中每一首歌曲相似得分进行计算，将相似得分高的歌曲作为最终推荐的歌曲；

所述第三构造单元(40)用于根据所述最终推荐的歌曲构造歌曲电台，将所述电台推荐给用户。